[发明专利]一种改进NAS-RIF的OCT图像盲复原方法

权利要求书

1.一种改进NAS-RIF的OCT图像盲复原方法，其特征在于：该方法具体包括以下步骤：

步骤一：对OCT原图像进行GNLDF滤波，得到GNLDF滤波后的图像；

步骤二：将GNLDF滤波后的图像经过FIR滤波器，得到估计图像然后采用基于泊松分布的最小误差阈值估计图像的支持域，再经过NL滤波器，得到投影图像

步骤三：构建基于ATV正则化的改进代价函数J，并采用分裂Bregman迭代方法对改进代价函数进行优化；

步骤四：重复步骤一到步骤三，直至满足终止条件时停止迭代，此时的投影图像即为盲复原后的OCT图像；

所述步骤三，具体包括：

利用由步骤二获得的估计图像和投影图像根据式(14)和式(15)得到改进代价函数的第一部分和第二部分J₁、J₂；

J₂＝γ(∑u-1)² (15)

式中，μ为平衡参数；常数γ只有在L_B为零值时不取零，其余均为正数；

然后根据式(16)和式(17)，计算出估计图像x方向和y方向的梯度和

式中，m×n为的大小；代表坐标(x,y)处的像素强度；

根据估计图像的梯度，进一步由式(18)得到改进代价函数的第三部分J_ATV；

式中，||·||₁代表L1范数；

利用获得的J₁、J₂和J_ATV，根据式(19)得到基于ATV正则化的改进代价函数J；

J＝J_ATV+J₁+J₂ (19)

根据式(8)，将改进代价函数改写为

采用分裂Bregman迭代方法对改进代价函数(20)进行优化，将式(20)转变成无约束最优化问题和Bregman迭代，得到迭代后的u(x,y)，具体迭代过程如下：

引入辅助变量d_x和d_y，令其分别为式(21)和式(22)

则式(20)转化为式(23)所表示的约束问题

通过借助辅助变量d_x、d_y和二次惩罚项，将式(23)转化为

式中，λ＞0，为惩罚因子；控制惩罚项的权重；||·||₂代表L2范数；b_x和b_y为引入的两个变量；

再利用迭代次数为k时的u^k、和通过Bregman迭代，由式(25)得到迭代次数为k+1时式(24)中的u^k+1、和

式中，shrink(：，：)为阈值收缩算子，定义为

shrink(u_i,δ)＝sign(u_i)max(0,|u_i|-δ) (26)

分裂Bregman迭代通过引入辅助变量、变量分离和Bregman迭代步骤，将具有L1项函数的优化问题式(20)转化为一系列无约束最优化问题式(25)，从而实现改进代价函数的优化。